| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文主要研究内容和创新点 | 第11-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 恶意代码相关技术介绍 | 第14-27页 |
| 2.1 恶意代码 | 第14-15页 |
| 2.2 恶意代码分类 | 第15-23页 |
| 2.2.1 病毒 | 第15-17页 |
| 2.2.2 蠕虫 | 第17-20页 |
| 2.2.3 恶意移动代码 | 第20页 |
| 2.2.4 后门 | 第20-21页 |
| 2.2.5 特洛伊木马 | 第21页 |
| 2.2.6 用户级RootKits | 第21-22页 |
| 2.2.7 内核级RootKits | 第22-23页 |
| 2.3 恶意代码检测技术 | 第23-25页 |
| 2.3.1 基于签名的检测技术 | 第23-24页 |
| 2.3.2 基于启发式的检测技术 | 第24页 |
| 2.3.3 基于完整性校验的检测技术 | 第24-25页 |
| 2.4 恶意程序的自我保护技术 | 第25-26页 |
| 2.4.1 隐蔽技术 | 第25页 |
| 2.4.2 多态变体技术 | 第25-26页 |
| 2.4.3 反检测技术 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于操作码序列和机器学习的恶意程序检测技术研究 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 加壳与脱壳技术研究 | 第27-30页 |
| 3.3 反汇编技术研究 | 第30-34页 |
| 3.4 N-GRAM算法研究 | 第34-36页 |
| 3.5 特征选择算法研究 | 第36-40页 |
| 3.5.1 信息增益算法 | 第37-39页 |
| 3.5.2 绝对比例区分算法 | 第39-40页 |
| 3.6 分类器技术研究 | 第40-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第四章 系统设计与实验分析 | 第43-55页 |
| 4.1 系统设计 | 第43页 |
| 4.2 实验环境与样本 | 第43-44页 |
| 4.3 实验设计 | 第44页 |
| 4.4 评价标准 | 第44-45页 |
| 4.5 实验结果与分析 | 第45-54页 |
| 4.5.1 n-gram大小对检测系统的影响 | 第45页 |
| 4.5.2 特征选择算法对检测系统的影响 | 第45-48页 |
| 4.5.3 恶意文件比例对检测系统的影响 | 第48-51页 |
| 4.5.4 训练集规模对检测系统的影响 | 第51-54页 |
| 4.6 与其他恶意程序检测系统对比 | 第54页 |
| 4.7 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 问题与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61页 |